COVIDiagnosis-Net: диагностика коронавирусной болезни 2019 года (COVID-19) по рентгенограммам с использованием глубокого варианта Bayes-SqueezeNet

Вспышка коронавирусной болезни 2019 года (COVID-19) оказала огромное влияние на глобальное здоровье и повседневную жизнь людей более чем в двухстах странах. Ключевым шагом в борьбе с COVID-19 является надежное наблюдение за местами, где формируются инфицированные пациенты. Большинство первоначальных тестов основано на выявлении генетического материала коронавируса, но они дают низкую выявляемость и требуют много времени. В текущей практике также используют лучевые методы визуализации, причем рентгенография органов грудной клетки занимает важное место в диагностике. Ранние исследования показывают, что у пациентов с COVID-19 на рентгенограммах грудной клетки выявляются патологические изменения. На этом основании появилось несколько работ, посвященных методам глубокого обучения для выявления COVID-19 по рентгенограммам грудной клетки. Часть существующих исследований использует непубличные наборы данных, другие — сложные структуры искусственного интеллекта. В нашем исследовании мы демонстрируем структуру на основе искусственного интеллекта, превосходящую существующие подходы. SqueezeNet, отличающуюся легковесной архитектурой сети, настроили для диагностики COVID-19 с дополнительной байесовской оптимизацией. Тщательно подобранные гиперпараметры и расширенный набор данных позволили предлагаемой сети работать значительно лучше существующих архитектур и достичь более высокой точности диагностики COVID-19.